人工智慧熱潮沒有減弱的跡象。
剛剛公布業績的Meta，在業績和指引方面均超出預期，還派發了前所未有的股息，將回購金額提高到500億美元，盤後股價**15%。 在財報發布會上，公司高管表示，Meta的總體預期是，未來幾年將需要更多的投資來支援AI業務，今年的情況將得到反映。
在人工智慧方面，Meta 確實做到了。 為了訓練駱駝3，需要一次性購買35萬台Nvidia H100，如果算上其他GPU，將有大約60萬台H100等效算力。
同時公布業績的亞馬遜，也有好於預期的業績和指引，盤後股價漲超6%。 其中，亞馬遜雲業務營收同比增長13%，化解了市場對雲服務需求下降的擔憂。 高管們還表示，他們將增加對人工智慧的投資，以獲得更大的商業價值。
作為AI基礎設施最重要的專案之一，算力的繁榮程度仍然很高。 不知不覺中，英偉達的股價已經突破了600美元，市值達到了創紀錄的154萬億美元。 同樣，AMD的股價也創下歷史新高，市值飆公升至2800億美元的高位。
我想起了穆姐說的話，它（NVIDIA）與思科在網際網絡浪潮開始時非常相似，在基礎設施建設階段，硬體廠商往往會表現出更大的增長空間，但一旦這個階段完成，市場的重點將轉向軟體和應用。
基於這一判斷，穆姐在 2023 年初出售了大部分 Nvidia**。 後來證明，這個操作是非常錯誤的，它完全錯過了英偉達在過去一年中近 3 倍的增長。
AI算力的誤判不僅限於沐姐。
是我們對算力的誤判，還是算力強大到顛覆了過去的投資理念？
算力到底是什麼？
算力確實是AI最基礎、最重要的基礎設施，就像我們社會中的道路、橋梁、房屋一樣，這些基礎設施都有大規模建設的階段，飽和後也有長期低需求，這是傳統思維。
問題是，計算能力對人工智慧來說真的像道路、橋梁和房屋對人類一樣嗎？
我們不妨換個角度來想一想人工智慧到底是什麼？
很簡單，AI等同於人類的智慧型，也是人類的智慧型需要被替換，如果只是乙個神經網路，它可能是乙個軟體程式，但如果給AI乙個實體，它類似於人形機械人，理論上可以替換整個人。
這牽扯到乙個非常有意思的歷史記錄，人類物種的出現大約是20-30萬年前，但靈長類動物的歷史，也就是人類智慧的歷史，只有6500年前。
這意味著，人類產生智慧型通常是乙個非常漫長的過程。 但一旦產生，隨後的增長是指數級的，並將永遠持續下去。 由於人工智慧將取代人類智慧型，因此其發展理論上應該遵循這一定律。 即：在產生情報之前，有乙個漫長的“訓練”。
這種“訓練”取決於什麼？
明顯地計算能力這是必不可少的一部分。
Open AI的創始人阿爾特曼在達沃斯論壇上說了很多話，其中最重要的一句話就是兩句話。
第一句話是：“現在的GPT-4缺點太多了，比我們今年要有的版本差很多，比我們明年要有的版本差很多，如果GPT-4目前只能解決10%的人類任務，GPT-5應該是15%或者20%”。
第二句話是：“大規模人工智慧準備的計算基礎設施是不夠的。”
顯然，人工智慧的能力還相當有限，還遠未完全取代人類。 而從實際的角度來看，奧特曼說的那10%可能被高估了。 例如，在辦公領域，AI只用於生成PPT、圖表、文案，當然也在快速發展，如短片製作、電影製作、遊戲製作等。
只能說未來確實值得期待，但是在這個未來真正到來之前，中間的時間不會很短，因為它無法逃脫物理定律。 因此，對算力的需求很可能在很長一段時間內保持高位。
商業化的替代起點
說到這裡，第二個問題又出現了：
對算力的高需求真的可以無限期地持續下去嗎？ 它沒有天花板嗎？
讓我們看一下下圖。
網際網絡和人工智慧商業化等技術革命截然不同。 只要有技術突破的某個點，網際網絡商業化的起點就開始了，曲線顯示先是急劇上公升，然後趨於平坦，直到產業發展達到飽和期。 但人工智慧有潛力徹底顛覆這一程序，而產業化的起點可能很晚，但一旦推出，就會隨之而來的指數級增長，而且會越來越快。
比如蘋果的手機在iPhone 4之後基本定型了，再怎麼發展，也只是區域性變化，乙個攝像頭變成兩個，兩個再變成三個，結果是拍攝效果越來越好，但是手機的整體架構有沒有改變？
一點也不。 網際網絡本質上是物理世界的數位化，所以在數字基礎設施建成之後，後續的工作就只有乙個，那就是線上線下移動。
因此，幾年後，隨著滲透率和滲透率達到飽和，整個智慧型手機行業和整個網際網絡行業都進入了調整期。 這些行業的發展邏輯和投資邏輯都很簡單，只要基礎架構成熟，然後大規模複製，降低成本，提公升體驗，就可以躺下賺錢了。
但在人工智慧領域，要真正跨越這個商業化拐點將更加困難。 以自動駕駛為例，直到現在還沒有完全實現，最先進的特斯拉FSD也做不到，而馬斯克也在不斷吹噓，不斷的蹦票，所以他不敢說“FSD今年會實現”。
然而，沒有人會懷疑，自動駕駛的商業化潛力可能比大家想象的要大得多。
換言之，在過去的工業革命中，只要分數超過0，商業價值就開始爆炸式增長前者賺得更多，後者飽和，然後等待下一次工業革命。 但是，如果AI突破0點，它可能就沒有商業價值，直到60點才會開始顯現商業價值。
人類在6500年前發展出靈長類動物的智力後，他們需要更少的智力來提高智力嗎？
不，相反，它增加了。 人類建立了學校，建立了科研機構，研究了各種科學技術，結果智力的提高越來越快，可以創造的東西越來越多，文明水平越來越高，最後進入了良性迴圈。
也就是說，智力水平越高，越需要不斷提高智力。
從這個角度來看，理解算力是完全不同的，因為AI漲得越高，對改進的要求就越高，難度越大，對改進的需求越迫切，沒有相應的高算力支援，是很難實現的。
這才是奧特曼說“算力不夠”的真正原因。
新邏輯
過去對算力的投入還是基於傳統的分析框架，比如大廠搶單、競爭格局好、議價能力高、利潤率和收益率好，卻很少談長期需求邏輯，因為這個邏輯實在很難說，也很難一下子看清楚。
商業社會最原始的驅動因素是需求，需求越大，越持久，企業才能發展壯大。 如果再加上競爭格局清晰，水龍頭佔比很高，那就更好了。
有沒有屬於這一類的企業？
茅台算乙個，作業系統算乙個，晶元算乙個。
過去我們已經討論過，對算力的需求會非常大且持久，這也是算力企業不斷創造新高的核心原因，而人工智慧領域的競爭格局太好了，GPU基本上是英偉達的獨角戲，AMD只是跟了節奏， 而且很難說會動搖英偉達的地位，至於其他說要做晶元的大廠商，還沒撇過八字，等真的做點什麼再說，現在擔心他們的競爭壓力還為時過早。
沒有人能確定英偉達是否會在年內達到1000美元，但沒有人可以簡單地否認英偉達的勢頭。 一年前飆公升的時候，很多人會認為英偉達的估值太高了，但現在英偉達的動態市盈率變成了80倍，靜態市盈率高達350倍，現在2024年的估值只有30倍。
一些公司，大量上漲不是你匆忙出售的理由，大量下跌也不是出售的理由。
但要看這個**的核心驅動力是什麼，如果只是虛炒，沒有實質的東西，確實不值得追，但如果足以影響乙個時代，有一場持續10-20年甚至更長時間的產業革命，這種增長勢頭將是無窮無盡的。
在影響我們至今的工業革命、電氣化革命、IT革命中，我們都看到了這種超長期、超高速的增長，有些公司經歷了中間的起起落落，但仍然閃耀著光芒，比如蘋果和Microsoft，它們已經上市40年左右了， 而這兩家公司都成為世界上僅有的兩家市值最高的公司。
AI革命才剛剛開始，因為一些股價波動而過早落車，或許可以避免一些短期損失，但也可能失去收穫長期價值的可能。
結論
沒人確定英偉達和AMD的市值有一天會達到蘋果和Microsoft的水平，也沒有人確定它們的效能增長率在多年後會保持高位，也沒有人能準確判斷10年後市場需要多少GPU。
但誰也不能否認算力對人工智慧的重要性，以及人工智慧對算力的長期需求。 到目前為止，在人工智慧領域，沒有什麼比算力更有價值的了。
當然，股票價格並不能簡單地線性地反映增長邏輯，如下圖所示，即使是具有明確增長邏輯的投資，也可能在中間有曲折。
雖然AI這個概念已經炒作了一年多，但從產業發展階段來看，它仍然處於起步階段，處於基礎設施建設階段，還有乙個巨大的應用階段等著你。 如果真想用網際網絡的付費普及率作為參考，大概是在1996年。
具有諷刺意味的是，乙太網的發明者羅伯特·梅特卡夫（Robert Metcalfe）在1995年說：“我將成為網際網絡上一顆壯觀的超新星，到1996年，它將發生災難性的崩潰。 ”
如果當時他被相信，結果將是乙個大時代的完美錯過。
因此，在投資過程中，如果有幸遇到巨大的產業革命紅利期，在了解了行業的底層邏輯後，可以下重注。 雖然中間過程可能會有起有落，不建議盲目追高，但只要搭配適當的高賣低買，就可以獲得超額收益。
與其天天跟著市場熱點，不如用超長增長邏輯押注這種產業革命，找到這場產業革命最有價值的部分。
因為有時候，選擇大於努力，選擇不需要太多，只要正確即可。
即使有一天對算力的需求走到了盡頭，未來是不是還有應用層面的投資機會在等著你呢？